Google Trends Insights Into Reduced Acute Coronary Syndrome Admissions During the COVID-19 Pandemic: Infodemiology Study
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
BACKGROUND: During the coronavirus disease (COVID-19) pandemic, a reduction in the presentation of acute coronary syndrome (ACS) has been noted in several countries. However, whether these trends reflect a reduction in ACS incidence or a decrease in emergency room visits is unknown. Using Google Trends, queries for chest pain that have previously been shown to closely correlate with coronary heart disease were compared with searches for myocardial infarction and COVID-19 symptoms. OBJECTIVE: The current study evaluates if search terms (or topics) pertaining to chest pain symptoms correlate with the reported decrease in presentations of ACS. METHODS: Google Trends data for search terms "chest pain," "myocardial infarction," "cough," and "fever" were obtained from June 1, 2019, to May 31, 2020. Related queries were evaluated for a relationship to coronary heart disease. RESULTS: Following the onset of the COVID-19 pandemic, chest pain searches increased in all countries studied by at least 34% (USA P=.003, Spain P=.007, UK P=.001, Italy P=.002), while searches for myocardial infarction dropped or remained unchanged. Rising searches for chest pain included "coronavirus chest pain," "home remedies for chest pain," and "natural remedies for chest pain." Searches on COVID-19 symptoms (eg, cough, fever) rose initially but returned to baseline while chest pain-related searches remained elevated throughout May. CONCLUSIONS: Search engine queries for chest pain have risen during the pandemic as have related searches with alternative attribution for chest pain or home care for chest pain, suggesting that recent drops in ACS presentations may be due to patients avoiding the emergency room and potential treatment in the midst of the COVID-19 pandemic.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle